Taller práctico: Implementación de casos de uso de IA con datos industriales

Introducción y selección de casos de uso por equipo

• Panorama de la IA en entornos industriales.
• Categorías de casos de uso: calidad, mantenimiento, energía, logística.
• Formación de equipos y definición del alcance de los objetivos del proyecto.

Comprensión y preparación de datos industriales

• Tipos de datos industriales: series temporales, tabulares, imagen, texto.
• Adquisición, limpieza y preprocesamiento de datos.
• Análisis exploratorio de datos con Pandas y Matplotlib.

Selección de modelos y prototipado

• Elección entre regresión, clasificación, agrupamiento o detección de anomalías.
• Entrenamiento y evaluación de modelos con Scikit-learn.
• Uso de TensorFlow o PyTorch para modelado avanzado.

Visualización e interpretación de resultados

• Creación de tableros de control (dashboards) o informes intuitivos.
• Interpretación de métricas de rendimiento (precisión, exactitud, revocación).
• Documentación de suposiciones y limitaciones.

Simulación de despliegue y retroalimentación

• Simulación de escenarios de despliegue en edge o en la nube.
• Recopilación de retroalimentación y mejora de modelos.
• Estrategias para la integración con las operaciones.

Desarrollo del proyecto final (Capstone)

• Finalización y pruebas de los prototipos del equipo.
• Revisión entre pares y depuración colaborativa.
• Preparación de la presentación del proyecto y resumen técnico.

Presentaciones de los equipos y cierre

• Presentación de los conceptos y resultados de las soluciones de IA.
• Reflexión grupal y lecciones aprendidas.
• Hoja de ruta para escalar casos de uso dentro de la organización.

Resumen y próximos pasos